고급 3D LiDAR 위치 파악으로 로봇 포지셔닝 정확도 향상

Universidad Miguel Hernández de Elche, 스페인

이것이 바로 UMH에서 개발한 시스템을 사용하여 로봇이 주변을 '보는' 방식입니다. 3D LiDAR 포인트 클라우드 표현을 사용하면 전역 및 로컬 구조적 특징을 추출하여 로봇의 자세, 즉 공간에서의 정확한 위치와 방향을 추정할 수 있습니다. (이미지 :Universidad Miguel Hernández de Elche)

모바일 로봇은 자율적으로 탐색하기 위해 지속적으로 자신의 위치를 추정해야 합니다. 그러나 위성 기반 내비게이션 시스템은 항상 신뢰할 수 있는 것은 아닙니다. 건물 근처에서 신호가 저하되거나 실내에서 신호가 수신되지 않을 수 있습니다. 안전하고 효율적으로 작동하려면 로봇이 탑재된 센서와 강력한 위치 파악 알고리즘을 사용하여 주변 환경을 해석해야 합니다.

스페인 UMH(Miguel Hernández University of Elche)의 연구원들은 변화하는 대규모 환경에서 로봇 위치 지정을 크게 향상시키는 계층적 위치 파악 시스템을 개발했습니다. 이 방법은 이동 로봇 공학에서 가장 어려운 문제 중 하나인 소위 '납치된 로봇' 문제를 해결합니다. 이 문제는 로봇이 움직이거나, 전원이 꺼지거나, 다른 곳으로 옮겨진 후 초기 자세에 대한 지식을 상실하는 문제입니다.

International Journal of Intelligent Systems에 게재된 연구 에서는 대규모 환경에서 장기간 탐색을 위해 설계된 대략적인 3D LiDAR 위치 파악 프레임워크인 MCL-DLF(Monte Carlo Localization – Deep Local Feature)를 소개합니다. 이 시스템은 실내 및 실외 시나리오를 포함한 다양한 환경 조건 하에서 UMH Elche 캠퍼스에서 수개월에 걸쳐 검증되었습니다.

제안된 접근 방식은 익숙하지 않거나 변화하는 환경에서 인간이 방향을 잡는 방식을 모방합니다. 먼저 로봇은 대략적인 위치 파악 단계를 수행하여 건물이나 식물 등 3D LiDAR 포인트 클라우드에서 추출된 전체 구조적 특징을 기반으로 대략적인 영역을 식별합니다.

이 영역이 좁아지면 시스템은 정밀한 위치 파악을 수행하고 세부적인 로컬 특징을 분석하여 로봇의 정확한 위치와 방향을 추정합니다.

이 연구의 주저자인 UMH 연구원인 Míriam Máximo는 “이는 사람들이 처음에 일반적인 영역을 인식한 다음 작은 구별되는 세부 사항에 의존하여 정확한 위치를 결정하는 방식과 유사합니다.”라고 설명합니다. 이 작업은 UMH Elche 엔지니어링 연구소(I3E)의 연구원인 Mónica Ballesta와 David Valiente가 감독했습니다. 시각적으로 유사한 환경에서 모호성을 피하기 위해 이 방법은 3D 포인트 클라우드에서 구별되는 로컬 특징을 자동으로 추출하는 딥러닝 기술을 통합합니다.

로봇은 미리 정의된 규칙에 의존하는 대신 어떤 환경 특성이 위치 파악에 가장 유용한지 학습합니다. 이러한 학습된 기능은 다양한 포즈 가설을 유지하고 새로운 센서 데이터가 수신될 때 이를 업데이트하는 확률론적 Monte Carlo Localization과 결합됩니다.

장기적인 로봇 탐색의 주요 과제는 환경 가변성입니다. 야외 공간은 계절 변화, 초목 성장 또는 조명 차이로 인해 시간이 지남에 따라 변화하며, 이로 인해 외관이 크게 바뀔 수 있습니다.

연구원들은 MCL-DLF가 특정 궤적에서 유사하거나 우수한 방향 추정을 유지하면서 기존 접근 방식보다 더 높은 위치 정확도를 달성한다고 보고합니다. 중요한 것은 이 시스템이 시간에 따른 변동성이 낮아 계절적 변화와 구조적 변화에 대한 견고성을 확인시켜 준다는 것입니다.

안정적인 현지화는 서비스 로봇공학, 물류 자동화, 인프라 검사, 환경 모니터링, 자율주행차의 기본입니다. 이러한 모든 영역에서 안전한 작동은 실제 동적 조건에서의 안정적이고 정확한 위치 추정에 달려 있습니다.

완전 자율 내비게이션은 로봇 공학의 핵심 과제로 남아 있지만, 이 작업을 통해 로봇은 외부 위치 확인 인프라 없이 변화하는 대규모 환경에서 안정적으로 작동하는 데 더 가까워졌습니다.

자세한 내용은 Angeles Gallar에 문의하세요. 이 이메일 주소는 스팸봇으로부터 보호됩니다. 보려면 JavaScript를 활성화해야 합니다.; +34 965-222-569.